Python 实现指定目录内重复文件统计

实现存储目录内重复文件以及重复文件个数的统计,输出统计文件


#!/usr/bin/python

# -*- coding: UTF-8 -*-

import os

import datetime

import platform

import sys

import  hashlib

def CalcFileSha256(filname):

''' calculate file sha256 '''

    bufsize =1024 *1024 *16

    with open(filname,"rb")as f:

sha256obj = hashlib.sha256()

while True:

data = f.read(bufsize)

if data  ==None or len(data) ==0:

break

            sha256obj.update(data)

hash_value = sha256obj.hexdigest()

return hash_value

class CoSailTextFile():

def __init__(self, filename =None):

self.filename = filename

self.f =None

    def open(self, m):

try:

self.f = open(self.filename, m)

except Exceptionas e:

print(e)

self.f =None

return False

return True

    def writeLine(self, line):

try:

self.f.write(line +"\n")

return True

        except Exceptionas  e:

print(e)

return False

    def writeLines(self, lines):

for linein lines:

if self.writeLine(line) ==False:

return False

return True

    def readLine(self):

text =None

        try:

text = self.f.readline()

except Exceptionas e:

print(e)

return None

        return text

def readAll(self):

return self.f.read()

def readLines(self):

return self.f.readlines()

def close(self):

if self.f !=None:

try:

self.f.close()

self.f =None

            except Exceptionas e:

print(e)

return False

return True

return True

    def isOpen(self):

return self.f !=None

def getFilePathExtend(fileName):

filePath, suffix = os.path.splitext(fileName)

filePath = os.path.dirname(fileName)

l = len(suffix)

fileName = os.path.split(fileName)[1]

return filePath,  suffix[1:l +1], fileName

filesdict = {}

def scansamenamefile(path):

if os.path.exists(path) ==False:

print("Store Path :" + path +" isn't exist!")

return None

    try:

files = os.listdir(path)

except FileNotFoundError:

print("File Not FoundError")

return None

    for fiin files:

# file full path

# sleep 1

# time.sleep(1)

        fi_d = os.path.join(path, fi)

samefilelist =None

        # is directory

        if os.path.isdir(fi_d):

if os.path.islink(fi_d):

continue

            """ recursion"""

            scansamenamefile(fi_d)

# print("dir = ", fi_d)

# is file

        else:

file_path, suffix, file_name = getFilePathExtend(fi_d)

tmpfullpath = file_path +"/" + file_name

try:

samefilelist = filesdict[file_name]

except Exceptionas e:

print(e)

samefilelist =None

            if samefilelist ==None:

samefilelist = []

filesdict[file_name] = samefilelist

fileattrdict = {}

fileattrdict["filepath"] = tmpfullpath

fileattrdict["size"] = os.path.getsize(tmpfullpath)

fileattrdict["sha256"] = CalcFileSha256(tmpfullpath)

samefilelist.append(fileattrdict)

return filesdict

def statallfiles(d):

v =0;

o =None

    for kin d:

o = d[k]

v += len(o)

return v

def statsamenamefiles(d):

v =0;

o =None

    for kin d:

o = d[k]

if len(o) >=2:

v +=1

    return v

def outduplicatefilemsg(d, textFile):

v =0;

o =None

    textFile.writeLine("")

textFile.writeLine("**************Duplicate file list*****************")

for kin d:

o = d[k]

if len(o) >=2:

textFile.writeLine("")

txt ="file name : " + k +" Duplicate : " +str(len(o))

textFile.writeLine(txt)

txt ="file list :"

            for objin o:

txt ="fileputh :" + obj["filepath"] +" size : " + str(obj["size"]) +" SHA256 = " + obj["sha256"]

textFile.writeLine(txt)

def outonefilemsg(d, textFile):

v =0;

o =None

    textFile.writeLine("")

textFile.writeLine("**************Unique file list*****************")

for kin d:

o = d[k]

if len(o) ==1:

for objin o:

txt ="fileputh :" + obj["filepath"] +" size : " + str(obj["size"])

textFile.writeLine(txt)

def statpathfileattr(pathlistfilename, logpath):

"""

    :param pathlistfilename:  要统计的文件目录列表名,每行一个目录    :param logpath 日志文件路径:return:

"""

    """

"""

    if logpathis None:

"""

        如果日志路径为空,则以输入文件列表路径为日志存储路径"""

        logpath, _, _= getFilePathExtend(pathlistfilename)

if os.path.exists(pathlistfilename) ==False:

print("path list filename isn't exist!")

return

    if os.path.exists(logpath) ==False:

print("log path isn't exist")

return

    f = CoSailTextFile(pathlistfilename)

f.open("r")

lines = f.readLines()

for linein lines:

line = line.strip('\n')

statpathfileattrbypath(line, logpath)

def statpathfileattrbypath(path, logpath):

"""

    统计指定路径的文件数量以及重复文件,并输出统计信息

    :param path: 要统计的路径    :param logpath: 统计信息存储路基

:return:

"""

    d = scansamenamefile(path)

if d ==None :

return

    print("allfiles", statallfiles(d))

print("sameallfiles", statsamenamefiles(d))

t = path.replace("/","-");

t = t.replace("\\","-");

t = t.replace(":","")

if (platform.system() =='Windows'):

pass

    elif (platform.system()=='Linux'):

t = t[1:]

lonfilename = logpath +"/" + t + datetime.datetime.now().strftime('%Y-%m-%d-%H-%M-%S') +".log"

    lonfilename = lonfilename.replace("//","/")

f = CoSailTextFile(lonfilename)

f.open("w")

f.writeLine("stat path : " + path)

f.writeLine("all files : " + str(statallfiles(d)))

f.writeLine("Duplicate files : " + str(statsamenamefiles(d)))

outduplicatefilemsg(d, f)

outonefilemsg(d, f)

f.close()

#print("file_name : ", file_path + "/" + file_name)

if __name__ =='__main__':

filesdict.clear()

filesdict={}

argv = sys.argv

print(argv)

if (len(argv) ==3):

statpathfileattr(argv[1], argv[2])

elif (len(argv) ==2):

statpathfileattr(argv[1],None)

else:

statpathfileattr("E:/1.txt","E:/")

print(type(CalcFileSha256("E:/gsl2.4.zip")))

sha2561 =CalcFileSha256("E:/gsl2.4.zip")

sha2562 = CalcFileSha256("E:/1.txt")

if (sha2561 == sha2562):

print("true")

print(sha2562)

print(sha2561)

#d = buildfilenamedictformfilelist("/home/hadoop/tmp/dir-and-files.list")

    """存储目的路径根目录"""

"""

destrootpath = "/home/hadoop/tmp4"

path = "E:/data"

d =  scansamenamefile(path)

print(d)

for k in d:

print("key =", k)

print("files = ", len(d[k]))

print("allfiles", statallfiles(d))

print("sameallfiles", statsamenamefiles(d))

f = CoSailTextFile("e:/sss.log")

f.open("w")

f.writeLine("stat path : " + path)

f.writeLine("all files : " + str(statallfiles(d)))

f.writeLine("Duplicate files : " +str(statsamenamefiles(d)))

outduplicatefilemsg(d, f)

outonefilemsg(d, f)

f.close()

f = CoSailTextFile("E:/1.txt")

f.open("r")

text = f.readLines()

print((text))

"""

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容